ChatGPT предложил решение задачи Эрдёша: почему эта история важнее обычного ИИ-хайпа

История звучит почти как сюжет для научной фантастики: человек без профильного математического образования берёт сложную задачу из теории чисел, задаёт её ChatGPT, а модель примерно за 80 минут предлагает доказательство, к которому математики подбирались десятилетиями.

Но самое интересное здесь не в красивом заголовке «ИИ решил задачу Эрдёша». Важнее другое: нейросеть не просто перебрала известные ходы, а предложила нестандартный метод из смежной области. Именно это заставило математическое сообщество обсуждать случай всерьёз.

Речь идёт о задаче №1196 из базы Erdős Problems — задаче о так называемых примитивных множествах. На сайте Erdős Problems она сейчас отмечена как решённая: там указано, что решение было получено GPT-5.4 Pro по запросу Лиама Прайса, а результат доказывает нужную оценку для примитивных множеств.

Пал Эрдёш — один из самых продуктивных математиков XX века. Он оставил после себя огромное количество задач, гипотез и направлений для исследований. Многие из них выглядят коротко, почти невинно, но за этой простотой часто скрывается очень тяжёлая математика.

В данном случае задача связана с примитивными множествами. Если объяснять без перегруза формулами, примитивное множество — это набор целых чисел, где ни одно число не делится на другое из этого же набора.

Например, если в наборе есть 6 и 12, то такой набор уже не будет примитивным, потому что 12 делится на 6. А если числа подобраны так, что такого деления между разными элементами нет, множество считается примитивным.

Сама задача касалась поведения специальной суммы, которую можно посчитать по элементам такого множества. Математиков интересовало, насколько большой может быть эта сумма, если все числа в множестве достаточно большие. В грубом смысле гипотеза говорила: у этой суммы есть естественный предел, и он должен стремиться к 1.

До недавнего момента это оставалось нерешённым в полной нужной форме. Были частичные результаты, были оценки, были работы специалистов, но точного выхода к нужной границе не хватало. В обсуждении Erdős Problems отдельно упоминается, что предыдущий результат Джареда Лихтмана давал верхнюю оценку около 1,399, тогда как гипотеза требовала асимптотического предела 1.

По опубликованным обсуждениям, Лиам Прайс дал задачу GPT-5.4 Pro. Модель предложила доказательство, которое показало: для любого примитивного множества соответствующая сумма действительно не превосходит 1 с малой добавкой, убывающей примерно как 1 / log x. Именно такая оценка закрывает нужную асимптотическую форму задачи.

Важно: это не означает, что нейросеть «магически поняла всю математику» и одним движением закрыла теорию чисел. После генерации доказательство обсуждали, проверяли, улучшали и уточняли математики. В комментариях к задаче видно, что специалисты разбирали детали, предлагали более аккуратные формулировки и оптимизации. В частности, в обсуждении участвовал Теренс Тао, один из самых известных современных математиков.

Но базовый факт остаётся сильным: исходная идея пришла от модели, и эта идея оказалась не мусором, не красивой галлюцинацией, а рабочим математическим ходом.

Самая важная часть истории — не скорость, а метод.

Обычно подобные задачи решаются инструментами аналитической теории чисел. Это область, где изучают структуру чисел, распределение простых чисел, суммы, оценки и асимптотическое поведение. Но GPT предложил подход через марковские цепи — аппарат из теории вероятностей.

Марковская цепь — это модель случайного процесса, где следующий шаг зависит от текущего состояния. В данном случае идея состояла в том, чтобы представить структуру разложения чисел на множители как вероятностный процесс. Упрощённо: число можно «разбирать» по множителям, отслеживая переходы между состояниями, а затем использовать свойства такого процесса для оценки нужной суммы.

Издание Heise пишет, что именно мост между аналитической теорией чисел и стохастическими процессами стал главным сюрпризом доказательства. Там же отмечается, что подход через марковские цепи позволил связать «анатомию целых чисел» с вероятностными методами.

Вот это и делает историю интересной. Нейросеть не просто пересказала учебник. Она нашла ход на стыке областей, который раньше не был очевидным для людей, работавших над задачей.

Сейчас вокруг нейросетей много шума. Каждый день кто-то пишет, что ИИ «заменил программистов», «стал учёным», «изобрёл лекарство», «раскрыл тайны Вселенной» и, видимо, между делом приготовил борщ. Обычно такие заявления надо делить не на два, а на двадцать.

Но здесь случай заметно серьёзнее по нескольким причинам.

Во-первых, задача взята не из случайной подборки головоломок, а из базы Erdős Problems. Это не школьная олимпиадная задачка и не пример из учебника.

Во-вторых, решение не осталось на уровне скриншота из чата. Оно попало в публичное математическое обсуждение, где его проверяли специалисты. На странице задачи прямо указано, что она решена GPT-5.4 Pro по запросу Прайса.

В-третьих, доказательство оказалось формализуемым. На странице Erdős Problems указано, что формализованная версия существует, а в обсуждении также упоминается работа над Lean-формализацией. Lean — это proof assistant, то есть система, где математические доказательства можно проверять машинно.

Это уже совсем другой уровень доверия. Не «нейросеть красиво написала», а «идею разобрали, уточнили и начали переводить в строгую проверяемую форму».

Здесь важно не впадать в крайность. Нельзя честно сказать, что человек вообще не нужен. Лиам Прайс выбрал задачу, запустил процесс, получил результат, вынес его в публичное поле. Математики проверяли, критиковали, уточняли и доводили доказательство.

ИИ в этой истории — не одинокий гений в коробке. Скорее, это очень мощный исследовательский усилитель. Он может предложить ход, который человек мог бы не попробовать. Но затем всё равно нужны проверка, математическая культура, строгость и профессиональное сообщество.

Именно в этом, вероятно, и будет ближайшее будущее науки: не «ИИ заменил учёных», а «учёные с ИИ начинают проверять больше гипотез, быстрее искать неожиданные связи и чаще выходить за рамки привычных методов».

Если смотреть трезво, один решённый пример ещё не означает, что завтра нейросети массово закроют все нерешённые задачи. Математика очень жестока к красивым догадкам. Там недостаточно «похоже на правду». Нужно доказать без дыр.

Но эта история показывает важный сдвиг.

Раньше нейросети в математике чаще воспринимались как помощники для вычислений, поиска литературы, генерации идей или объяснения уже известных вещей. Теперь появляется более сильный сценарий: модель может предложить оригинальный доказательный метод для реальной исследовательской задачи.

Это не финал профессии математика. Это смена инструментария. Примерно как появление компьютеров не отменило программистов, но изменило саму природу программирования. Только теперь похожий процесс начинается в фундаментальной науке.

Для сильных специалистов это может стать ускорителем. Для новичков — входом в области, которые раньше казались закрытыми. Для науки в целом — способом находить связи между дисциплинами быстрее, чем это делалось вручную.

В этой задаче ИИ оказался полезен не потому, что «знал больше всех». Его преимущество могло быть в другом: модель умеет свободно комбинировать паттерны из разных областей. Там, где человек годами идёт по одному профессиональному коридору, нейросеть может внезапно открыть боковую дверь.

Конечно, иногда за этой дверью кладовка с галлюцинациями. Но иногда — короткий путь к решению.

Именно поэтому случай с задачей Эрдёша выглядит не как разовая сенсация, а как сигнал. В будущем ценность будет не только в том, чтобы спросить ИИ «реши задачу». Ценность будет в умении правильно ставить вопросы, проверять ответ, вести диалог, заставлять модель объяснять ход мысли, искать слабые места и пересобирать доказательство.

То есть главным навыком становится не слепая вера в нейросеть, а интеллектуальное управление ею.

ChatGPT не стал «математическим богом». Но он показал, что современные модели уже способны участвовать в настоящем исследовательском процессе, а не только писать тексты, код и планы питания на неделю.

История с задачей Эрдёша важна именно потому, что здесь ИИ выступил не как калькулятор, а как источник нетривиальной идеи. Дальше эту идею проверили люди, и она выдержала серьёзное внимание.

Похоже, мы приближаемся к этапу, где нейросети будут не просто отвечать на вопросы, а помогать находить новые пути там, где старые методы застряли.

И это уже не фантастика. Это математика, которая только что получила нового, очень странного, но полезного соавтора.

Попробовать ChatGPT в MAX можно через бота: БЕСПЛАТНЫЙ chatGPT — id250102442943_2_bot.

Попробовать ChatGPT в Telegram можно через бота: КОМБА AI — @ChatGPTPoRusskiBot.